GroupBy机制

GroupBy机制

Hadley Wickham是许多流行R语言软件包的作者，他创造了用于描述组操作的术语拆分-应用-联合（split-apply-combine）。在操作的第一步，数据包含在pandas对象中，可以是Series、DataFrame或其他数据结构，之后根据你提供的一个或多个键分离到各个组中。分离操作是在数据对象的特定轴向上进行的。

分组键可是多种形式的，并且键不一定是完全相同的类型：

与需要分组的轴向长度一致的值列表或值数组
DataFrame的列名的值
可以将分组轴向上的值和分组名称相匹配的字典或Series
可以在轴索引或索引中的单个标签上调用的函数

下面是一个小型表格数据集作为DataFrame的例子：

假设根据key1标签计算data1列的均值，有多种方法可以实现。其中一种是访问data1并使用key1列（它是一个Series）调用groupby方法：

grouped变量现在是一个GroupBy对象。除了一些关于分组键df[‘key1’]的一些中间数据之外，它实际上还没有进行任何计算。这个对象拥有所有必需的信息，之后可以在每一个分组上应用一些操作。

数据（一个Series）根据分组键进行了聚合，并产生了一个新的Series，这个Series使用key1列的唯一值作为索引。由于DataFrame的列df[‘key1’]，结果中的索引名称是’key1’。

如果我们将多个数组作为列表传入，则我们会得到一些不同的结果：

这里使用了两个键对数据进行分组，并且结果Series现在拥有一个包含唯一键对的多层索引：

1、遍历各分组

GroupBy对象支持迭代，会生成一个包含组名和数据块的2维元组序列。考虑以下代码：

在多个分组键的情况下，元组中的第一个元素是键值的元组：

默认情况下，groupby在axis=0的轴向上分组，但你也可以在其他任意轴向上进行分组。例如，我们可以像以下代码一样，根据dtype对我们的示例df的列进行分组：

可以打印各分组，如下：

2、选择一列或所有列的子集

将从DataFrame创建的GroupBy对象用列名称或列名称数组进行索引时，会产生用于聚合的列子集的效果。

尤其是对于大型数据集，可能只需要聚合少部分列。例如，在处理数据集时，要计算data2列的均值，并获得DataFrame形式的结果。

3、使用字典和Series分组

分组信息可能会以非数组形式存在。考虑另一个示例DataFrame：

现在，假设我拥有各列的分组对应关系，并且想把各列按组累加：

现在，可以根据这个字典构造传给groupby的数组，但是也可以直接传字典：

Series也有相同的功能，可以视为固定大小的映射：

4、使用函数分组

与使用字典或Series分组相比，使用Python函数是定义分组关系的一种更为通用的方式。作为分组键传递的函数将会按照每个索引值调用一次，同时返回值会被用作分组名称。

将函数与数组、字典或Series进行混合并不困难，所有的对象都会在内部转换为数组：

5、根据索引层级分组

分层索引的数据集有一个非常方便的地方，就是能够在轴索引的某个层级上进行聚合。

根据层级分组时，将层级数值或层级名称传递给level关键字：

Python Pandas的分组聚合操作数据聚合

评论区（0）

评论取消